Markov state models of biomolecular conformational dynamics.
Markov state models of biomolecular conformational dynamics.
复制标题
DOI：
10.1016/j.sbi.2014.04.002
复制
发表时间：
2014-04
影响因子：
6.8
通讯作者：
Noé F
中科院分区：
文献类型：
--
作者：
Chodera JD;Noé F
最近，构建马尔可夫状态模型（MSM）已变得实用，该模型可以使用分子动力学模拟的数据重现生物分子的长期统计构象动力学。 MSM 可以使用一组单独短得多的原子分子动力学模拟来预测长时间尺度（例如毫秒）上的静态量和动态量，从而解决分子动力学模拟中众所周知的采样问题。除了提供预测定量模型外，MSM 还极大地促进了对生物分子机制（例如折叠和功能动力学）的深入了解以及与单分子和整体动力学实验的定量比较。现在，各种方法论的进步和软件包使这些模型的构建更接近常规实践。在这里，我们回顾了该领域的最新进展，考虑了理论和方法的进步、新的软件工具以及这些方法在生物化学和生物物理学的几个领域的最新应用，并对仍然存在的挑战进行了评论。
It has recently become practical to construct Markov state models (MSMs) that reproduce the long-time statistical conformational dynamics of biomolecules using data from molecular dynamics simulations. MSMs can predict both stationary and kinetic quantities on long timescales (e.g. milliseconds) using a set of atomistic molecular dynamics simulations that are individually much shorter, thus addressing the well-known sampling problem in molecular dynamics simulation. In addition to providing predictive quantitative models, MSMs greatly facilitate both the extraction of insight into biomolecular mechanism (such as folding and functional dynamics) and quantitative comparison with single-molecule and ensemble kinetics experiments. A variety of methodological advances and software packages now bring the construction of these models closer to routine practice. Here, we review recent progress in this field, considering theoretical and methodological advances, new software tools, and recent applications of these approaches in several domains of biochemistry and biophysics, commenting on remaining challenges.
登录
查看更多内容
影响因子：
4.3
作者：
Huang D;Caflisch A
通讯作者：
Caflisch A
影响因子：
4.4
作者：
Bowman, Gregory R.
通讯作者：
Bowman, Gregory R.
粗粒度生物网络替代方法的定量比较
影响因子：
4.4
作者：
Bowman, Gregory R.;Meng, Luming;Huang, Xuhui
通讯作者：
Huang, Xuhui
影响因子：
2.3
作者：
Keller, Bettina G.;Prinz, Jan-Hendrik;Noe, Frank
通讯作者：
Noe, Frank
DOI：
10.1021/jp401962k
发表时间：
2013-10-24
期刊：
The journal of physical chemistry. B
影响因子：
--
作者：
Deng NJ;Dai W;Levy RM
通讯作者：
Levy RM